Baixe o app para aproveitar ainda mais
Prévia do material em texto
CÁLCULO NUMÉRICO AULA 5 Profª Fernanda Fonseca CONVERSA INICIAL Muitos fenômenos naturais são descritos por taxas de variação. Essas relações matemáticas exigem análise e tratamento de equações diferenciais que podem ser bastante complexas para análise analítica. Por esse motivo, é de suma importância compreender diferentes métodos de determinação de soluções numéricas para problemas que envolvem esse tipo de relação. Nesta aula estudaremos métodos iterativos para estimar soluções numéricas de problemas que envolvem equações diferenciais ordinárias. Esses métodos permitem tratar essas equações sem necessidade de operações diferenciais, viabilizando também o uso de recursos computacionais que facilitam o seu processo iterativo. TEMA 1 – EQUAÇÕES DIFERENCIAIS Uma equação diferencial trata de uma igualdade entre relações matemáticas que envolvem derivadas de uma função incógnita e tem como solução uma função dependente de uma ou mais variáveis independentes. Essa solução pode ser determinada de forma analítica, de acordo com modelos já estabelecidos para alguns tipos de equações diferenciais, mas que dependem do tipo, da ordem e da linearidade da equação (Jarletti, 2018). Entretanto, as soluções analíticas são restritas a algumas equações diferenciais, limitando a sua aplicação. Outra forma de solução de equações diferenciais é por meio de soluções numéricas que abrangem um número maior de equações diferenciais, o que as torna mais aplicáveis na resolução de problemas. 1.1 Classificação pelo tipo Quando nos referimos ao tipo de uma equação diferencial, fazemos uma alusão ao tipo de função cujas derivadas compõem a equação. As equações diferenciais podem ser classificadas como ordinária ou parcial. 1.1.1 Ordinária Equação diferencial que apresenta derivadas de uma função incógnita com uma só variável independente. 3 Exemplos: veja que equações diferenciais 𝑑𝑦 𝑑𝑥 − 𝑥 = 𝑦2 ou �̈� + 2𝑦 = 3𝑥 apresentam derivadas da função incógnita 𝑦 = 𝑓(𝑥). 1.1.2 Parcial Equação diferencial que apresenta derivadas de uma função incógnita com duas ou mais variáveis independentes. Exemplos: veja que equações diferenciais 𝜕𝜙 𝜕𝑥 + 2 𝜕𝜙 𝜕𝑦 − 𝜕𝜙 𝜕𝑧 = 0 ou 𝜙𝑥𝑧 + 𝜙𝑦𝑥 = 3𝜙𝑧𝑧 + 𝑠𝑒𝑛 𝑥 apresentam derivadas da função incógnita 𝑦 = 𝜙(𝑥; 𝑦; 𝑧). Nesta disciplina, nosso foco é o estudo das equações diferenciais ordinárias (EDO), cujos métodos aqui estudados visam buscar a solução da equação dada por 𝑦 = 𝑓(𝑥). 1.2 Classificação pela ordem A ordem de uma equação diferencial é dada pela maior ordem da derivada apresentada na expressão matemática por ela caracterizada. Exemplos: veja que a equação diferencial ordinária 𝑑𝑦 𝑑𝑥 − 𝑥 = 𝑦2 tem como derivada de maior ordem uma derivada de primeira ordem. Logo é uma equação diferencial ordinária de primeira ordem. Já a equação diferencial parcial 𝜙𝑥𝑧 + 𝜙𝑦𝑥 = 3𝜙𝑧𝑧 + 𝑠𝑒𝑛 𝑥 tem como derivada de maior ordem uma derivada de segunda ordem. Logo é uma equação diferencial parcial de segunda ordem. 1.3 Classificação pela linearidade Uma equação diferencial é dita linear quando a função incógnita e suas derivadas estão elevadas apenas ao expoente 1, estabelecendo uma relação matemática linear entre elas. No caso em que o expoente da função incógnita ou de uma (ou mais) de suas derivadas seja diferente de 1, a equação diferencial é denominada de não linear. Exemplos: veja que a equação diferencial ordinária �̈� + 2𝑦 = 3𝑥 tem a função incógnita 𝑦 e sua derivada �̈� elevadas a 1, logo é classificada como uma equação linear. 4 Já no caso da equação diferencial ordinária 𝑑𝑦 𝑑𝑥 − 𝑥 = 𝑦2, a função incógnita 𝑦 está elevada ao quadrado, por isso a equação é classificada como não linear. Equações diferenciais ordinárias podem permitir que um conjunto de funções 𝑦 = 𝑓(𝑥) possam caracterizar a solução da equação. Esse conjunto constitui uma família de soluções. A restrição a apenas uma única solução para a equação diferencial dependerá da imposição de condições. Exemplo: Veja o caso da equação diferencial ordinária �̈� = 0. Qualquer função dada por 𝑦 = 𝑎𝑥 + 𝑏, para 𝑎, 𝑏 𝜖 ℜ. Esse conjunto de funções compõe uma família de soluções. A imposição de condições permitirá a restrição a apenas uma solução com valor real único e definido para 𝑎 e 𝑏. Com base nas condições estabelecidas para uma equação diferencial de ordem 𝑚, podemos definir um problema de valor inicial (PVI) quando as condições para a função 𝑦 = 𝑓(𝑥) e suas derivadas de ordem (𝑚 − 1) é dada em um mesmo ponto (Jarletti, 2018; Oliveira, 2019). Exemplo: considere que a equação diferencial �̈� = 0 tem como condições que 𝑦(1) = 3 e que �̇�(1) = 1. Nesse caso, tanto a função 𝑦 = 𝑓(𝑥) e sua derivada é definida em 𝑥 = 1. Por isso o problema é definido com um problema de valor inicial. TEMA 2 – MÉTODO DE EULER OU MÉTODO DA RETA TANGENTE Em muitos casos, é difícil resolver analiticamente um PVI. Por esse motivo, procuramos determinar sua solução numérica. A solução numérica produz resultados para pontos escolhidos, mas comumente permite determinar a solução para problemas sem a necessidade de determinar a solução analítica da função 𝑦 = 𝑓(𝑥). Segundo Jarletti (2018, p. 128), o Método de Euler (ou também denominado Método da Reta Tangente) é “o mais antigo e o mais simples método para resolução de PVI”. No entanto, esse método pode ser bastante extenso, exigindo um grande número de iterações para chegar a uma solução. Para implementação desse método, é necessário identificar a função �̇� = 𝑓(𝑥; 𝑦) com base na equação diferencial. 5 Podemos determinar pontos da função com base na reta tangente sobre um ponto 𝑃(𝑥0; 𝑦0), definido pela condição imposta no PVI. Essa reta tangente é dada por 𝑦 − 𝑦0 = 𝑚(𝑥 − 𝑥0) Em que 𝑚 = 𝑑𝑦 𝑑𝑥 = �̇�. Logo, podemos reescrever essa relação como 𝑦 − 𝑦0 = 𝑓(𝑥; 𝑦) ∙ (𝑥 − 𝑥0) Mas veja que o passo ℎ representa a variação ℎ = ∆𝑥, que não é necessariamente igual para o caso de 𝑛 intervalos. Ou seja, podemos definir que ℎ = 𝑥 − 𝑥0 nessa equação. 𝑦 − 𝑦0 = ℎ ∙ 𝑓(𝑥; 𝑦) 𝑦 = 𝑦0 + ℎ ∙ 𝑓(𝑥; 𝑦) Generalizando, { 𝑦𝑘 = 𝑦𝑘−1 + ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1) 𝑥𝑘 = 𝑥𝑘−1 + ℎ (1) Baseando-se na implementação da Equação 1 por 𝑘 iterações, a solução numérica será dada pelo Método de Euler nos pontos (𝑥0; 𝑦0); (𝑥1; 𝑦1); … ; (𝑥𝑛+1; 𝑦𝑛+1). Quanto menor o passo entre os pontos, melhor será a precisão para a solução estimada. Vamos compreender melhor esse método por meio de um exemplo! Exemplo 1 Utilizando o Método de Euler, determine o valor de 𝑦(3,0) para o PVI { 𝑦′ − 2𝑒𝑥 = 0 𝑦(0) = −1 com passo ℎ = 0,5. Resolução Veja que podemos reescrever a equação diferencial para determinar a função 𝑦′ = 𝑓(𝑥; 𝑦). 𝑦′ − 2𝑒𝑥 = 0 𝑦′ = 2𝑒𝑥 = 𝑓(𝑥; 𝑦) A condição dada no PVI 𝑦(0) = −1 nos permite determinar o ponto de partida 𝑃(𝑥0; 𝑦0), sendo que 𝑦(𝑥0) = 𝑦0. Logo, 6 𝑦(0) = −1 ⇒ { 𝑥0 = 0 𝑦0 = −1 Pela Equação 1, que descreve o Método de Euler, podemos definir que, para esse caso, 𝑦𝑘 = 𝑦𝑘−1 + ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1) 𝑦𝑘 = 𝑦𝑘−1 + ℎ ∙ [2𝑒 𝑥𝑘−1] Ou seja, para a primeira iteração (𝑘 = 1), temos que 𝑦1 = 𝑦0 + ℎ ∙ [2𝑒 𝑥0] 𝑦1 = (−1) + (0,5) ∙ [2𝑒 (0)] 𝑦1 = 0 Sendo que 𝑥𝑘 = 𝑥𝑘−1 + ℎ 𝑥1 = 𝑥0 + ℎ 𝑥1 = 0 + 0,5 𝑥1 = 0,5 Repetiremos esse processo até chegarmos a 𝑥 = 3,0 conforme é solicitado no enunciado do problema. Segunda iteração (𝑘 = 2): 𝑦2 = 𝑦1 + ℎ ∙ [2𝑒 𝑥1] 𝑦2 = (0) + (0,5) ∙ [2𝑒(0,5)] 𝑦2 = 1,648721 Sendo que 𝑥2 = 𝑥1 + ℎ 𝑥2 = 0,5 + 0,5 𝑥2 = 1,0 Terceira iteração (𝑘 = 3): 𝑦3 = 𝑦2 + ℎ ∙ [2𝑒 𝑥2] 𝑦3 = (1,648721) + (0,5) ∙ [2𝑒 (1,0)] 𝑦3 = 4,3670037 Sendo que 𝑥3 = 𝑥2 + ℎ 𝑥3 = 1,0 + 0,5 𝑥3 = 1,5 Dessa forma, chegamos aos seguintes valores: Tabela 1 – Valores relativos ao Exemplo 1 k x y 0 0 -1 1 0,5 0 2 1,0 1,648721 3 1,5 4,367003 4 2,0 8,848692 5 2,5 16,237748 6 3,0 28,420242 Veja que quando 𝑥6 = 3,0, teremos 𝑦6 = 28,420242. Adotaremos o valor de 𝑦(3,0) = 28,420242 como solução do PVI. De forma analítica, o valor real de 𝑦(3,0) = 37,171074. Isso mostra que o Método de Euler aqui utilizado (com passo de 0,5) apresenta um erro relativo de 23,54% para o valor estimado. Exemplo 2 Utilizando o Método de Euler, determine o valor de 𝑦(1,0) para o PVI { 𝑦′ − 2𝑥 + 𝑦 = 0 𝑦(0) = 1 com passo ℎ = 0,1. Resolução Veja que podemos reescrever a equação diferencial para determinar a função 𝑦′ = 𝑓(𝑥; 𝑦). 𝑦′ − 2𝑥 + 𝑦 = 0 𝑦′ = 2𝑥 − 𝑦 = 𝑓(𝑥; 𝑦) A condição dada no PVI 𝑦(0) = 1 nos permite determinar o ponto de partida 𝑃(𝑥0; 𝑦0), sendo que 𝑦(𝑥0) = 𝑦0. Logo, 𝑦(0) = 1 ⇒ { 𝑥0 = 0 𝑦0 = 1 8 Pela Equação 1, que descreve o Método de Euler, podemos definir que, para esse caso, 𝑦𝑘 = 𝑦𝑘−1 + ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1) 𝑦𝑘 = 𝑦𝑘−1 + ℎ ∙ [2𝑥𝑘−1 − 𝑦𝑘−1] Ou seja, para a primeira iteração (𝑘 = 1), temos que 𝑦1 = 𝑦0 + ℎ ∙ [2𝑥0 − 𝑦0] 𝑦1 = (1) + (0,1) ∙ [2(0) − (1)] 𝑦1 = 0,9 Sendo que 𝑥𝑘 = 𝑥𝑘−1 + ℎ 𝑥1 = 𝑥0 + ℎ 𝑥1 = 0 + 0,1 𝑥1 = 0,1 Repetiremos esse processo até chegarmos a 𝑥 = 1,0, conforme é solicitado no enunciado do problema. Segunda iteração (𝑘 = 2): 𝑦2 = 𝑦1 + ℎ ∙ [2𝑥1 − 𝑦1] 𝑦2 = (0,9) + (0,1) ∙ [2(0,1) − (0,9)] 𝑦2 = 0,83 Sendo que 𝑥2 = 𝑥1 + ℎ 𝑥2 = 0,1 + 0,1 𝑥2 = 0,2 Terceira iteração (𝑘 = 3): 𝑦3 = 𝑦2 + ℎ ∙ [2𝑥2 − 𝑦2] 𝑦3 = (0,83) + (0,5) ∙ [2(0,2) − (0,83)] 𝑦3 = 0,787 Sendo que 𝑥3 = 𝑥2 + ℎ 9 𝑥3 = 0,2 + 0,1 𝑥3 = 0,3 Dessa forma, chegamos aos seguintes valores: Tabela 2 – Valores relativos ao Exemplo 2 k x y 0 0 1 1 0,1 0,9 2 0,2 0,83 3 0,3 0,787 4 0,4 0,7683 5 0,5 0,77147 6 0,6 0,794323 7 0,7 0,834891 8 0,8 0,891402 9 0,9 0,962261 10 1,0 1,046035 Veja que quando 𝑥10 = 1,0, teremos 𝑦10 = 1,046035. Adotaremos o valor de 𝑦(1,0) = 1,046035 como solução do PVI. De forma analítica, o valor real de 𝑦(1,0) = 1. Isso mostra que o Método de Euler aqui utilizado (com passo de 0,1) apresenta um erro relativo de 4,60% para o valor estimado. TEMA 3 – MÉTODO DE HEUN OU MÉTODO DE EULER MODIFICADO O Método de Heun (também conhecido como Método de Euler Modificado) busca uma melhora na precisão da solução estimada por meio da análise em dois pontos do intervalo. Disse que esse método tem uma abordagem preditiva corretiva, pois faz a correção da equação a partir de uma estimativa precedente (Jarletti, 2018; Chapra, 2002). Para implementação desse método, utilizamos a Equação 2 a partir da função dada por �̇� = 𝑓(𝑥; 𝑦) e do ponto dado pela condição 𝑃(𝑥0; 𝑦0). { 𝑦𝑘 = 𝑦𝑘−1 + ℎ 2 [𝑓(𝑥𝑘−1; 𝑦𝑘−1) + 𝑓(𝑥𝑘−1 + ℎ; 𝑦𝑘−1 + ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1))] 𝑥𝑘 = 𝑥𝑘−1 + ℎ (2) Esse método, da mesma forma que o Método de Euler, será implementado por 𝑘 iterações, e a solução numérica será dada nos pontos 10 (𝑥0; 𝑦0); (𝑥1; 𝑦1); … ; (𝑥𝑛+1; 𝑦𝑛+1), para o caso de 𝑛 intervalos. Quanto menor o passo entre os pontos, melhor será a precisão para a solução estimada. Vamos analisar um exemplo! Exemplo 3 Utilizando o Método de Heun, determine o valor de 𝑦(3,0) para o PVI { 𝑦′ − 2𝑒𝑥 = 0 𝑦(0) = −1 com passo ℎ = 0,5. Resolução Veja que podemos reescrever a equação diferencial para determinar a função 𝑦′ = 𝑓(𝑥; 𝑦). 𝑦′ − 2𝑒𝑥 = 0 𝑦′ = 2𝑒𝑥 = 𝑓(𝑥; 𝑦) A condição dada no PVI 𝑦(0) = −1 nos permite determinar o ponto de partida 𝑃(𝑥0; 𝑦0), sendo que 𝑦(𝑥0) = 𝑦0. Logo, 𝑦(0) = −1 ⇒ { 𝑥0 = 0 𝑦0 = −1 Pela Equação 2, que descreve o Método de Heun, podemos definir que, para esse caso, 𝑦𝑘 = 𝑦𝑘−1 + ℎ 2 [𝑓(𝑥𝑘−1; 𝑦𝑘−1) + 𝑓(𝑥𝑘−1 + ℎ; 𝑦𝑘−1 + ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1))] 𝑦𝑘 = 𝑦𝑘−1 + ℎ 2 [2𝑒𝑥𝑘−1 + 2𝑒(𝑥𝑘−1+ℎ)] Ou seja, para a primeira iteração (𝑘 = 1), temos que 𝑦1 = 𝑦0 + ℎ 2 [2𝑒𝑥0 + 2𝑒(𝑥0+ℎ)] 𝑦1 = (−1) + (0,5) 2 ∙ [2𝑒(0) + 2𝑒(0+0,5)] 𝑦1 = 0,324361 Sendo que 𝑥𝑘 = 𝑥𝑘−1 + ℎ 𝑥1 = 𝑥0 + ℎ 𝑥1 = 0 + 0,5 𝑥1 = 0,5 11 Repetiremos esse processo até chegarmos a 𝑥 = 3,0 conforme é solicitado no enunciado do problema. Segunda iteração (𝑘 = 2): 𝑦2 = 𝑦1 + ℎ 2 ∙ [2𝑒𝑥1 + 2𝑒(𝑥1+ℎ)] 𝑦2 = (0,324361) + (0,5) 2 ∙ [2𝑒(0,5) + 2𝑒(0,5+0,5)] 𝑦2 = 2,507862 Sendo que 𝑥2 = 𝑥1 + ℎ 𝑥2 = 0,5 + 0,5 𝑥2 = 1,0 Terceira iteração (𝑘 = 3): 𝑦3 = 𝑦2 + ℎ 2 ∙ [2𝑒𝑥2 + 2𝑒(𝑥2+ℎ)] 𝑦3 = (2,507862) + (0,5) 2 ∙ [2𝑒(1,0) + 2𝑒(1,0+0,5)] 𝑦3 = 6,107848 Sendo que 𝑥3 = 𝑥2 + ℎ 𝑥3 = 1,0 + 0,5 𝑥3 = 1,5 Dessa forma, chegamos aos seguintes valores: Tabela 3 – Valores relativos ao Exemplo 3 k x y 0 0 -1 1 0,5 0,324361 2 1 2,507862 3 1,5 6,107848 4 2 12,043220 5 2,5 21,828995 6 3 37,963011 12 Veja que quando 𝑥6 = 3,0, teremos 𝑦6 = 37,963011. Adotaremos o valor de 𝑦(3,0) = 37,963011 como solução do PVI. De forma analítica, o valor real de 𝑦(3,0) = 37,171074. Isso mostra que o Método de Heun aqui utilizado (com passo de 0,5) apresenta um erro relativo de 2,13% para o valor estimado. Exemplo 4 Utilizando o Método de Heun, determine o valor de 𝑦(1,0) para o PVI { 𝑦′ − 2𝑥 + 𝑦 = 0 𝑦(0) = 1 com passo ℎ = 0,1. Resolução Veja que podemos reescrever a equação diferencial para determinar a função 𝑦′ = 𝑓(𝑥; 𝑦). 𝑦′ − 2𝑥 + 𝑦 = 0 𝑦′ = 2𝑥 − 𝑦 = 𝑓(𝑥; 𝑦) A condição dada no PVI 𝑦(0) = 1 nos permite determinar o ponto de partida 𝑃(𝑥0; 𝑦0), sondo que 𝑦(𝑥0) = 𝑦0. Logo, 𝑦(0) = 1 ⇒ { 𝑥0 = 0 𝑦0 = 1 Pela Equação 2, que descreve o Método de Heun, podemos definir que, para esse caso, 𝑦𝑘 = 𝑦𝑘−1 + ℎ 2 [𝑓(𝑥𝑘−1; 𝑦𝑘−1) + 𝑓(𝑥𝑘−1 + ℎ; 𝑦𝑘−1 + ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1))] 𝑦𝑘 = 𝑦𝑘−1 + ℎ 2 [(2𝑥𝑘−1 − 𝑦𝑘−1) + (2(𝑥𝑘−1 + ℎ) − (ℎ ∙ (2𝑥𝑘−1 − 𝑦𝑘−1)))] Ou seja, para a primeira iteração (𝑘 = 1), temos que 𝑦1 = 𝑦0 + ℎ 2 [(2𝑥0 − 𝑦0) + (2(𝑥0 + ℎ) − (ℎ ∙ (2𝑥0 − 𝑦0)))] 𝑦1 = (1) + (0,1) 2 ∙ [(2(0) − (1)) + (2(0 + 0,1) − (0,1 ∙ (2(0) − (1))))] 𝑦1 = 0,915 Sendo que 𝑥𝑘 = 𝑥𝑘−1 + ℎ 𝑥1 = 𝑥0 + ℎ 13 𝑥1 = 0 + 0,1 𝑥1 = 0,1 Repetiremos esse processo até chegarmos a 𝑥 = 1,0 conforme é solicitado no enunciado do problema. Segunda iteração (𝑘 = 2): 𝑦2 = 𝑦1 + ℎ 2 [(2𝑥1 − 𝑦1) + (2(𝑥1 + ℎ) − (ℎ ∙ (2𝑥1 − 𝑦1)))] 𝑦2 = (0,915) + (0,1) 2 ∙ [(2(0,1) − (0,915)) + (2(0,1 + 0,1) − (0,1 ∙ (2(0,1) − (0,915))))] 𝑦2 = 0,857075 Sendo que 𝑥2 = 𝑥1 + ℎ 𝑥2 = 0,1 + 0,1 𝑥2 = 0,2 Terceira iteração (𝑘 = 3): 𝑦3 = 𝑦2 + ℎ 2 [(2𝑥2 − 𝑦2) + (2(𝑥2 + ℎ) − (ℎ ∙ (2𝑥2 − 𝑦2)))] 𝑦3 = (0,857075) + (0,1) 2 ∙ [(2(0,2) − (0,857075)) + (2(0,2 + 0,1) − (0,1 ∙ (2(0,2) − (0,857075))))] 𝑦3 = 0,823653 Sendo que 𝑥3 = 𝑥2 + ℎ 𝑥3 = 0,2 + 0,1 𝑥3 = 0,3 Dessa forma, chegamos aos seguintes valores: Tabela 4 – Valores relativos ao Exemplo 4 k x y 0 0 1,000000 1 0,1 0,915000 2 0,2 0,857075 3 0,3 0,823653 4 0,4 0,812406 5 0,5 0,821227 6 0,6 0,848211 14 7 0,7 0,891631 8 0,8 0,949926 9 0,9 1,021683 10 1 1,105623 Veja que quando 𝑥10 = 1,0, teremos 𝑦10 = 1,105623. Adotaremos o valor de 𝑦(1,0) = 1,105623 como solução do PVI. De forma analítica, o valor real de 𝑦(1,0) = 1. Isso mostra que o Método de Heun aqui utilizado (com passo de 0,1) apresenta um erro relativo de 10,56% para o valor estimado. TEMA 4 – MÉTODO DE RUNGE-KUTTA O Método de Euler e o Método de Heun consistem no Método de Runge- Kutta de 1ª ordem e de 2ª ordem, respectivamente (Jarletti, 2018; Chapra, 2002). A ideia que fundamenta esse método é expandir a função em uma série de soma de termosdiferenciais, mas também eliminar a necessidade de derivação da função 𝑓(𝑥; 𝑦). Entretanto, exige a determinação de 𝑓(𝑥; 𝑦) em vários pontos. O Método de Runge-Kutta permite trabalhar com expressões de ordens superiores como 3ª ordem e 4ª ordem. 4.1 Método de Runge-Kutta de 3ª ordem Esse método consiste na implementação da Equação 3 por 𝑘 iterações a partir da função dada por �̇� = 𝑓(𝑥; 𝑦) e do ponto dado pela condição 𝑃(𝑥0; 𝑦0). { 𝑦𝑘 = 𝑦𝑘−1 + 2 9 𝐾1 + 1 3 𝐾2 + 4 9 𝐾3 𝑥𝑘 = 𝑥𝑘−1 + ℎ (3) Na qual, tem-se { 𝐾1 = ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1) 𝐾2 = ℎ ∙ 𝑓 (𝑥𝑘−1 + ℎ 2 ; 𝑦𝑘−1 + 𝐾1 2 ) 𝐾3 = ℎ ∙ 𝑓 (𝑥𝑘−1 + 3 4 ℎ; 𝑦𝑘−1 + 3 4 𝐾2) Vamos observar a implementação desse método pelo exemplo. 15 Exemplo 5 Utilizando o Método de Runge-Kutta de 3ª ordem, determine o valor de 𝑦(3,0) para o PVI { 𝑦′ − 2𝑒𝑥 = 0 𝑦(0) = −1 com passo ℎ = 0,5. Resolução Veja que podemos reescrever a equação diferencial para determinar a função 𝑦′ = 𝑓(𝑥; 𝑦). 𝑦′ − 2𝑒𝑥 = 0 𝑦′ = 2𝑒𝑥 = 𝑓(𝑥; 𝑦) A condição dada no PVI 𝑦(0) = −1 nos permite determinar o ponto de partida 𝑃(𝑥0; 𝑦0), sondo que 𝑦(𝑥0) = 𝑦0. Logo, 𝑦(0) = −1 ⇒ { 𝑥0 = 0 𝑦0 = −1 Pela Equação 3, que descreve o Método de Runge-Kutta de 3ª ordem, podemos definir que 𝑦𝑘 = 𝑦𝑘−1 + 2 9 𝐾1 + 1 3 𝐾2 + 4 9 𝐾3 O que significa que é necessário determinar os coeficientes 𝐾1, 𝐾2 𝑒 𝐾3. Para a primeira iteração (𝑘 = 1), tem-se 𝐾1 = ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1) ⇒ 𝐾1 = ℎ ∙ [2𝑒 𝑥𝑘−1] 𝐾1 = ℎ ∙ [2𝑒𝑥0] 𝐾1 = (0,5) ∙ [2𝑒(0)] 𝐾1 = 1 𝐾2 = ℎ ∙ 𝑓 (𝑥𝑘−1 + ℎ 2 ; 𝑦𝑘−1 + 𝐾1 2 ) 𝐾2 = ℎ ∙ [2𝑒(𝑥0+ ℎ 2 )] 𝐾2 = (0,5) ∙ [2𝑒 (0+ 0,5 2 )] 𝐾2 = 1,284025 𝐾3 = ℎ ∙ 𝑓 (𝑥𝑘−1 + 3 4 ℎ; 𝑦𝑘−1 + 3 4 𝐾2) 𝐾3 = ℎ ∙ [2𝑒 (𝑥0+ 3 4 ℎ)] 16 𝐾3 = (0,5) ∙ [2𝑒 (0+ 3 4 (0,5)) ] 𝐾3 = 1,454991 Logo, 𝑦1 = 𝑦0 + 2 9 𝐾1 + 1 3 𝐾2 + 4 9 𝐾3 𝑦1 = (−1) + 2 9 (1) + 1 3 (1,284025) + 4 9 (1,454991) 𝑦1 = 0,296894 Sendo que 𝑥𝑘 = 𝑥𝑘−1 + ℎ 𝑥1 = 𝑥0 + ℎ 𝑥1 = 0 + 0,5 𝑥1 = 0,5 Repetiremos esse processo até chegarmos a 𝑥 = 3,0 conforme é solicitado no enunciado do problema. Pela segunda iteração (𝑘 = 2): 𝐾1 = ℎ ∙ [2𝑒𝑥1] 𝐾1 = (0,5) ∙ [2𝑒(0,5)] 𝐾1 = 1,648721 𝐾2 = ℎ ∙ 𝑓 (𝑥𝑘−1 + ℎ 2 ; 𝑦𝑘−1 + 𝐾1 2 ) 𝐾2 = ℎ ∙ [2𝑒(𝑥1+ ℎ 2 )] 𝐾2 = (0,5) ∙ [2𝑒 (0,5+ 0,5 2 )] 𝐾2 = 2,117000 𝐾3 = ℎ ∙ 𝑓 (𝑥𝑘−1 + 3 4 ℎ; 𝑦𝑘−1 + 3 4 𝐾2) 𝐾3 = ℎ ∙ [2𝑒 (𝑥1+ 3 4 ℎ)] 𝐾3 = (0,5) ∙ [2𝑒 (0,5+ 3 4 (0,5)) ] 𝐾3 = 2,398875 17 Logo, 𝑦2 = 𝑦1 + 2 9 𝐾1 + 1 3 𝐾2 + 4 9 𝐾3 𝑦2 = (0,296894) + 2 9 (1,648721) + 1 3 (2,117000) + 4 9 (2,398875) 𝑦2 = 2,435110 Sendo que 𝑥2 = 𝑥1 + ℎ 𝑥2 = 0,5 + 0,5 𝑥2 = 1,0 Terceira iteração (𝑘 = 3): 𝐾1 = ℎ ∙ [2𝑒𝑥2] 𝐾1 = (0,5) ∙ [2𝑒(1,0)] 𝐾1 = 2,718282 𝐾2 = ℎ ∙ 𝑓 (𝑥𝑘−1 + ℎ 2 ; 𝑦𝑘−1 + 𝐾1 2 ) 𝐾2 = ℎ ∙ [2𝑒(𝑥2+ ℎ 2 )] 𝐾2 = (0,5) ∙ [2𝑒 (1,0+ 0,5 2 )] 𝐾2 = 3,490343 𝐾3 = ℎ ∙ 𝑓 (𝑥𝑘−1 + 3 4 ℎ; 𝑦𝑘−1 + 3 4 𝐾2) 𝐾3 = ℎ ∙ [2𝑒 (𝑥2+ 3 4 ℎ)] 𝐾3 = (0,5) ∙ [2𝑒 (1,0+ 3 4 (0,5)) ] 𝐾3 = 3,955077 Logo, 𝑦3 = 𝑦2 + 2 9 𝐾1 + 1 3 𝐾2 + 4 9 𝐾3 𝑦3 = (2,435110) + 2 9 (2,718282) + 1 3 (3,490343) + 4 9 (3,955077) 𝑦3 = 5,960432 18 Sendo que 𝑥3 = 𝑥2 + ℎ 𝑥3 = 1,0 + 0,5 𝑥3 = 1,5 Dessa forma, chegamos aos seguintes valores: Tabela 5 – Valores relativos ao Exemplo 5 k x y K1 K2 K3 0 0,0 -1 - - - 1 0,5 0,296894 1,000000 1,284025 1,454991 2 1,0 2,435110 1,648721 2,117000 2,398875 3 1,5 5,960432 2,718282 3,490343 3,955077 4 2,0 11,772705 4,481689 5,754603 6,520819 5 2,5 21,355524 7,389056 9,487736 10,751013 6 3,0 37,154922 12,182494 15,642632 17,725424 Veja que quando 𝑥6 = 3,0, teremos 𝑦6 = 37,154922. Adotaremos o valor de 𝑦(3,0) = 37,154922 como solução do PVI. De forma analítica, o valor real de 𝑦(3,0) = 37,171074. Isso mostra que o Método de Runge-Kutta de 3ª ordem aqui utilizado (com passo de 0,5) apresenta um erro relativo de 0,043% para o valor estimado. 4.2 Método de Runge-Kutta de 4ª ordem Esse método consiste na implementação da Equação 4 por 𝑘 iterações a partir da função dada por �̇� = 𝑓(𝑥; 𝑦) e do ponto dado pela condição 𝑃(𝑥0; 𝑦0). { 𝑦𝑘 = 𝑦𝑘−1 + 1 6 (𝐾1 + 2𝐾2 + 2𝐾3 + 𝐾4) 𝑥𝑘 = 𝑥𝑘−1 + ℎ (4) Na qual, tem-se { 𝐾1 = ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1) 𝐾2 = ℎ ∙ 𝑓 (𝑥𝑘−1 + ℎ 2 ; 𝑦𝑘−1 + 𝐾1 2 ) 𝐾3 = ℎ ∙ 𝑓 (𝑥𝑘−1 + ℎ 2 ; 𝑦𝑘−1 + 𝐾2 2 ) 𝐾4 = ℎ ∙ 𝑓(𝑥𝑘−1 + ℎ; 𝑦𝑘−1 + 𝐾3) Vamos analisar o exemplo. Exemplo 6 19 Utilizando o Método de Runge-Kutta de 4ª ordem, determine o valor de 𝑦(3,0) para o PVI { 𝑦′ − 2𝑒𝑥 = 0 𝑦(0) = −1 com passo ℎ = 0,5. Resolução Veja que podemos reescrever a equação diferencial para determinar a função 𝑦′ = 𝑓(𝑥; 𝑦). 𝑦′ − 2𝑒𝑥 = 0 𝑦′ = 2𝑒𝑥 = 𝑓(𝑥; 𝑦) A condição dada no PVI 𝑦(0) = −1 nos permite determinar o ponto de partida 𝑃(𝑥0; 𝑦0), sondo que 𝑦(𝑥0) = 𝑦0. Logo, 𝑦(0) = −1 ⇒ { 𝑥0 = 0 𝑦0 = −1 Pela Equação 4, que descreve o Método de Runge-Kutta de 4ª ordem, podemos definir que 𝑦𝑘 = 𝑦𝑘−1 + 1 6 (𝐾1 + 2𝐾2 + 2𝐾3 + 𝐾4) O que significa que é necessário determinar os coeficientes 𝐾1, 𝐾2, 𝐾3 𝑒 𝐾4. Para a primeira iteração (𝑘 = 1), tem-se 𝐾1 = ℎ ∙ 𝑓(𝑥𝑘−1; 𝑦𝑘−1) ⇒ 𝐾1 = ℎ ∙ [2𝑒 𝑥𝑘−1] 𝐾1 = ℎ ∙ [2𝑒𝑥0] 𝐾1 = (0,5) ∙ [2𝑒(0)] 𝐾1 = 1 𝐾2 = ℎ ∙ 𝑓 (𝑥𝑘−1 + ℎ 2 ; 𝑦𝑘−1 + 𝐾1 2 ) 𝐾2 = ℎ ∙ [2𝑒 (𝑥0+ ℎ 2 ) ] 𝐾2 = (0,5) ∙ [2𝑒 (0+ 0,5 2 )] 𝐾2 = 1,284025 𝐾3 = ℎ ∙ 𝑓 (𝑥𝑘−1 + ℎ 2 ; 𝑦𝑘−1 + 𝐾2 2 ) 𝐾3 = ℎ ∙ [2𝑒(𝑥0+ ℎ 2 )] 20 𝐾3 = (0,5) ∙ [2𝑒 (0+ 0,5 2 )] 𝐾3 = 1,284025 𝐾4 = ℎ ∙ 𝑓(𝑥𝑘−1 + ℎ; 𝑦𝑘−1 + 𝐾3) 𝐾4 = ℎ ∙ [2𝑒 (𝑥0+ℎ)] 𝐾4 = (0,5) ∙ [2𝑒(0+0,5)] 𝐾4 = 1,648721 Logo, 𝑦1 = 𝑦0 + 1 6 (𝐾1 + 2𝐾2 + 2𝐾3 + 𝐾4) 𝑦1 = (−1) + 1 6 (1 + 2(1,284025) + 2(1,284025) + 1,648721) 𝑦1 = 0,297470 Sendo que 𝑥𝑘 = 𝑥𝑘−1 + ℎ 𝑥1 = 𝑥0 + ℎ 𝑥1 = 0 + 0,5 𝑥1 = 0,5 Repetiremos esse processo até chegarmos a 𝑥 = 3,0 conforme é solicitado no enunciado do problema. Pela segunda iteração (𝑘 = 2): 𝐾1 = ℎ ∙ [2𝑒𝑥1] 𝐾1 = (0,5) ∙ [2𝑒(0,5)] 𝐾1 = 1,648721 𝐾2 = ℎ ∙ [2𝑒(𝑥1+ ℎ 2 )] 𝐾2 = (0,5) ∙ [2𝑒 (0,5+ 0,5 2 )] 𝐾2 = 2,117000 𝐾3 = ℎ ∙ [2𝑒(𝑥1+ ℎ 2 )] 𝐾3 = (0,5) ∙ [2𝑒 (0,5+ 0,5 2 )] 21 𝐾3 = 2,117000 𝐾4 = ℎ ∙ [2𝑒 (𝑥1+ℎ)] 𝐾4 = (0,5) ∙ [2𝑒 (0,5+0,5)] 𝐾4 = 2,718282 Logo, 𝑦2 = 𝑦1 + 1 6 (𝐾1 + 2𝐾2 + 2𝐾3 + 𝐾4) 𝑦2 = (0,297470) + 1 6 (1,648721 + 2(2,117000) + 2(2,117000) + 2,718282) 𝑦2 = 2,436638 Sendo que 𝑥2 = 𝑥1 + ℎ 𝑥2 = 0,5 + 0,5 𝑥2 = 1,0 Terceira iteração (𝑘 = 3): 𝐾1 = ℎ ∙ [2𝑒𝑥2] 𝐾1 = (0,5) ∙ [2𝑒(1,0)] 𝐾1 = 2,718282 𝐾2 = ℎ ∙ [2𝑒(𝑥2+ ℎ 2 )] 𝐾2 = (0,5) ∙ [2𝑒 (1,0+ 0,5 2 )] 𝐾2 = 3,490343 𝐾3 = ℎ ∙ [2𝑒(𝑥2+ ℎ 2 )] 𝐾3 = (0,5) ∙ [2𝑒 (1,0+ 0,5 2 )] 𝐾3 = 3,490343 𝐾4 = ℎ ∙ [2𝑒 (𝑥2+ℎ)] 𝐾4 = (0,5) ∙ [2𝑒 (1,0+0,5)] 𝐾4 = 4,481689 Logo, 22 𝑦2 = 𝑦1 + 1 6 (𝐾1 + 2𝐾2 + 2𝐾3 + 𝐾4) 𝑦2 = (2,436638) + 1 6 (2,718282 + 2(3,490343) + 2(3,490343) + 4,481689) 𝑦2 = 5,963528 Sendo que 𝑥3 = 𝑥2 + ℎ 𝑥3 = 1,0 + 0,5 𝑥3 = 1,5 Dessa forma, chegamos aos seguintes valores: Tabela 6 – Valores relativos ao Exemplo 6 k x y K1 K2 K3 K4 0 0,0 -1 - - - - 1 0,5 0,297470 1,000000 1,284025 1,284025 1,648721 2 1,0 2,436638 1,648721 2,117000 2,117000 2,718282 3 1,5 5,963528 2,718282 3,490343 3,490343 4,481689 4 2,0 11,778387 4,481689 5,754603 5,754603 7,389056 5 2,5 21,365470 7,389056 9,487736 9,487736 12,182494 6 3,0 37,171896 12,182494 15,642632 15,642632 20,085537 Veja que quando 𝑥6 = 3,0, teremos 𝑦6 = 37,171896. Adotaremos o valor de 𝑦(3,0) = 37,171896 como solução do PVI. De forma analítica, o valor real de 𝑦(3,0) = 37,171074. Isso mostra que o Método de Runge-Kuttade 4ª ordem aqui utilizado (com passo de 0,5) apresenta um erro relativo de 0,002% para o valor estimado. Veja que para a situação-problema estudada no exemplo 6, o método que apresentou uma solução de maior precisão foi o Método de Runge-Kutta da 4ª ordem. Entretanto, os outros métodos também podem assegurar resultados satisfatórios de acordo com o grau de exatidão exigido para o contexto da análise do problema. TEMA 5 – APLICAÇÕES E TECNOLOGIAS Equações diferenciais e PVIs permeiam análises e processos das Ciências da Natureza como a Física, a Biologia, a Química, mas também estão 23 presentes em estudos e análises da Medicina, nas Engenharias, no processo de modelagem, entre muitas outras áreas. Uma das aplicações dos estudos das equações diferenciais é o modelamento e simulação de vibração em vigas estruturais, no campo da Engenharia Civil. Nessas simulações, algumas condições para os modos de vibração podem ser analisados com uso de recursos computacionais, permitido prever possíveis rupturas estruturais e realizar as modificações e correções ainda no projeto, além de permitir selecionar materiais mais adequados para casos distintos, evitando assim problemas futuros (Figura 1). Figura 1 – Vibração induzida em laje de concreto armado Fonte: Reis; Macedo; Dutra, 2017. Crédito: Smile Ilustra. A Figura 1 mostra um caso de simulação de vibrações uma laje de concreto armado. Esse estudo permite analisar como a alteração do uso de uma estrutura pode gerar vibrações estruturais. Projetadas para depósito de materiais esportivos, a estrutura passou a ser utilizada como local de treinamento de artes marciais. A simulação de vibrações permite identificar as deformações devidas aos carregamentos e as vibrações induzidas devidas ao ritmo do treinamento marcial dos lutadores (Reis; Macedo; Dutra, 2017). Os modos de vibração na física são estudados como equações diferenciais que caracterizam ondas estacionárias, movimentos harmônicos, ou mesmo ondas em ressonância. Esse fenômeno ondulatório, por sua vez, pode causar sérios danos à estrutura decorrentes da grande amplitude de oscilação gerado. O setor automotivo também explora o uso de simuladores para análise vibratória e acústica. Esses testes são utilizados para identificação de efeitos como o afrouxamento de peças de fixação ou mesmo como possíveis trincas na 24 estrutura do veículo decorrentes do movimento vibratório transmitido por meio do corpo do veículo. A compreensão desses efeitos permite redimensionar e alterar configurações ainda no projeto, evitando assim situações que podem pôr em risco a vida do futuro condutor e dos passageiros do veículo automotivo. FINALIZANDO Nesta aula, estudamos vários métodos iterativos para estimativa de soluções numéricas para problemas envolvendo equações diferenciais. Observamos que quanto menor o passo, melhor a precisão dessa solução. O uso de recursos computacionais permite a adoção de passos muito pequenos e possibilita a realização de um número grande de iterações. Entretanto, a escolha do método para resolução do problema também pode influir na precisão da solução numérica estimada. Atualmente, com o rápido desenvolvimento tecnológico, cada vez mais os equipamentos computacionais vêm sendo utilizados para análise e simulações numéricas. No ramo da engenharia, esse recurso ganha força em situações como a análise do comportamento estrutural e na análise da resistência dos materiais para construção civil ou desenvolvimento mecânico, até em processos industriais (como o setor automotivo), permitindo simular efeitos sobre peças assim como possíveis efeitos de vibração acústica sobre a estrutura do veículo. Esses exemplos, dentre muitas outras situações, ressaltam a importância do estudo e compreensão dos diferentes métodos numéricos sobre equações diferenciais. 25 REFERÊNCIAS CHAPRA, S. C.; CANALE, R. P. Numerical methods for engineers: with softwares and programming applications. 4. ed. New York: The McGraw-Hill, 2002. JARLETTI, C. Cálculo numérico. Curitiba: InterSaberes, 2018. OLIVEIRA, R. L. Equações diferenciais ordinárias: métodos de resolução e aplicações. Curitiba: InterSaberes, 2019. REIS, M. N.; MACEDO, T. A.; DUTRA, R. D. F. Vibrações induzidas em laje de concreto armado: estudo de caso. In: XXXVIII IBERIAN LATIN-AMERICAN CONGRESS ON COMPUTATIONAL METHODS IN ENGINEERING. Anais... Florianópiolis, nov. 2017.
Compartilhar